A inteligência artificial é a simulação de processos de inteligência humana por máquinas, especialmente sistemas de computador. Aplicações específicas de IA incluem sistemas especialistas , processamento de linguagem natural, reconhecimento de fala e visão de máquina .
Como a IA funciona?
À medida que o hype em torno da IA se acelerou, os fornecedores estão lutando para promover como seus produtos e serviços usam a IA. Muitas vezes, o que eles chamam de IA é simplesmente um componente da IA, como o aprendizado de máquina . A IA requer uma base de hardware e software especializados para escrever e treinar algoritmos de aprendizado de máquina. Nenhuma linguagem de programação é sinônimo de IA, mas algumas, incluindo Python, R e Java, são populares.
Em geral, os sistemas de IA funcionam ingerindo grandes quantidades de dados de treinamento rotulados, analisando os dados para correlações e padrões e usando esses padrões para fazer previsões sobre estados futuros. Dessa forma, um chatbot que é alimentado com exemplos de chats de texto pode aprender a produzir trocas realistas com pessoas, ou uma ferramenta de reconhecimento de imagem pode aprender a identificar e descrever objetos em imagens revisando milhões de exemplos.
A programação de IA se concentra em três habilidades cognitivas: aprendizado, raciocínio e autocorreção.
Processos de aprendizagem. Esse aspecto da programação de IA se concentra na aquisição de dados e na criação de regras sobre como transformar os dados em informações acionáveis. As regras, chamadas de algoritmos , fornecem aos dispositivos de computação instruções passo a passo sobre como concluir uma tarefa específica.
Processos de raciocínio. Esse aspecto da programação de IA se concentra em escolher o algoritmo certo para alcançar um resultado desejado.
Processos de autocorreção. Esse aspecto da programação de IA foi projetado para ajustar continuamente os algoritmos e garantir que eles forneçam os resultados mais precisos possíveis.
Por que a inteligência artificial é importante?
A IA é importante porque pode fornecer às empresas informações sobre suas operações das quais elas podem não estar cientes anteriormente e porque, em alguns casos, a IA pode executar tarefas melhor que os humanos. Especialmente quando se trata de tarefas repetitivas e detalhadas, como analisar um grande número de documentos legais para garantir que os campos relevantes sejam preenchidos corretamente, as ferramentas de IA geralmente concluem os trabalhos rapidamente e com relativamente poucos erros.
Isso ajudou a impulsionar uma explosão de eficiência e abriu as portas para oportunidades de negócios totalmente novas para algumas empresas maiores. Antes da atual onda de IA, seria difícil imaginar o uso de software de computador para conectar passageiros a táxis, mas hoje o Uber se tornou uma das maiores empresas do mundo fazendo exatamente isso.
Ele utiliza algoritmos sofisticados de aprendizado de máquina para prever quando as pessoas provavelmente precisarão de caronas em determinadas áreas, o que ajuda a colocar os motoristas na estrada de forma proativa antes que eles sejam necessários. Como outro exemplo, o Google se tornou um dos maiores players de uma variedade de serviços online usando aprendizado de máquina para entender como as pessoas usam seus serviços e depois melhorá-los. Em 2017, o CEO da empresa, Sundar Pichai, declarou que o Google operaria como uma empresa “AI first”.
As maiores e mais bem-sucedidas empresas de hoje usaram a IA para melhorar suas operações e obter vantagem sobre seus concorrentes.
Quais são as vantagens e desvantagens da inteligência artificial?
As redes neurais artificiais e as tecnologias de inteligência artificial de aprendizado profundo estão evoluindo rapidamente, principalmente porque a IA processa grandes quantidades de dados com muito mais rapidez e faz previsões com mais precisão do que é humanamente possível.
Embora o enorme volume de dados sendo criado diariamente enterre um pesquisador humano, os aplicativos de IA que usam aprendizado de máquina podem pegar esses dados e transformá-los rapidamente em informações acionáveis. No momento da redação deste artigo, a principal desvantagem de usar a IA é que é caro processar as grandes quantidades de dados que a programação de IA exige.
Vantagens
Bom em trabalhos detalhistas;
Tempo reduzido para tarefas com muitos dados;
Entrega resultados consistentes; e
Agentes virtuais com inteligência artificial estão sempre disponíveis.
Desvantagens
Valor alto;
Requer profundo conhecimento técnico;
Fornecimento limitado de trabalhadores qualificados para construir ferramentas de IA;
Só sabe o que foi mostrado; e
Falta de capacidade de generalizar de uma tarefa para outra.
Precisar ser atualizada constantemente
IA avançada vs. IA inicial
A IA pode ser classificada como avançada ou inicial.
A IA avançada, também conhecida como IA estreita ou forte, é um sistema de IA projetado e treinado para concluir uma tarefa específica. Robôs industriais e assistentes pessoais virtuais, como o Siri da Apple, usam IA fraca.
A IA forte, também conhecida como inteligência geral artificial (AGI), descreve a programação que pode replicar as habilidades cognitivas do cérebro humano. Quando apresentado a uma tarefa desconhecida, um sistema de IA forte pode usar a lógica difusa para aplicar o conhecimento de um domínio a outro e encontrar uma solução de forma autônoma. Em teoria, um programa de IA forte deve ser capaz de passar no teste de Turing e no teste da sala chinesa.
Quais são os 4 tipos de inteligência artificial?
Arend Hintze, professora assistente de biologia integrativa e ciência da computação e engenharia da Michigan State University, explicou em um artigo de 2016 que a IA pode ser categorizada em quatro tipos, começando com os sistemas inteligentes específicos para tarefas em amplo uso hoje e progredindo para sistemas sencientes , que ainda não existem. As categorias são as seguintes:
Máquinas reativas. Esses sistemas de IA não têm memória e são específicos para tarefas. Um exemplo é o Deep Blue, o programa de xadrez da IBM que derrotou Garry Kasparov na década de 1990. O Deep Blue pode identificar peças no tabuleiro e fazer previsões, mas como não tem memória, não pode usar experiências passadas para informar futuras.
Memória limitada. Esses sistemas de IA têm memória, para que possam usar experiências passadas para informar decisões futuras. Algumas das funções de tomada de decisão em carros autônomos são projetadas dessa maneira.
Teoria da mente. Teoria da mente é um termo da psicologia. Quando aplicado à IA, significa que o sistema teria a inteligência social para entender as emoções. Esse tipo de IA será capaz de inferir as intenções humanas e prever o comportamento, uma habilidade necessária para que os sistemas de IA se tornem membros integrantes das equipes humanas.
Autoconsciência. Nesta categoria, os sistemas de IA têm um senso de identidade, o que lhes dá consciência. Máquinas com autoconsciência entendem seu próprio estado atual. Este tipo de IA ainda não existe.
Quais são exemplos de tecnologia de IA e como ela é usada hoje?
A IA é incorporada a uma variedade de diferentes tipos de tecnologia. Aqui estão seis exemplos:
Automação. Quando combinadas com tecnologias de IA, as ferramentas de automação podem expandir o volume e os tipos de tarefas executadas. Um exemplo é a automação de processos robóticos ( RPA ), um tipo de software que automatiza tarefas repetitivas de processamento de dados baseadas em regras tradicionalmente feitas por humanos.
Quando combinado com aprendizado de máquina e ferramentas de IA emergentes, o RPA pode automatizar porções maiores de trabalhos corporativos, permitindo que os bots táticos do RPA transmitam inteligência da IA e respondam às mudanças de processo.
Aprendizado de máquina. Esta é a ciência de fazer um computador agir sem programação. O aprendizado profundo é um subconjunto do aprendizado de máquina que, em termos muito simples, pode ser pensado como a automação da análise preditiva. Existem três tipos de algoritmos de aprendizado de máquina:
Aprendizagem supervisionada. Os conjuntos de dados são rotulados para que os padrões possam ser detectados e usados para rotular novos conjuntos de dados.
Aprendizagem não supervisionada. Os conjuntos de dados não são rotulados e são classificados de acordo com semelhanças ou diferenças.
Aprendizagem por reforço. Os conjuntos de dados não são rotulados, mas, depois de realizar uma ação ou várias ações, o sistema de IA recebe feedback.
Visão de máquina. Esta tecnologia dá a uma máquina a capacidade de ver. A visão de máquina captura e analisa informações visuais usando uma câmera, conversão de analógico para digital e processamento de sinal digital. Muitas vezes é comparado à visão humana, mas a visão de máquina não é limitada pela biologia e pode ser programada para ver através de paredes, por exemplo.
Ele é usado em uma variedade de aplicações, desde identificação de assinatura até análise de imagens médicas. A visão computacional , que é focada no processamento de imagens baseado em máquina, é frequentemente confundida com visão de máquina.
Processamento de linguagem natural (PLN). Este é o processamento da linguagem humana por um programa de computador. Um dos exemplos mais antigos e conhecidos de PNL é a detecção de spam, que analisa a linha de assunto e o texto de um e-mail e decide se é lixo. As abordagens atuais da PNL são baseadas em aprendizado de máquina. As tarefas de PNL incluem tradução de texto, análise de sentimentos e reconhecimento de fala.
Robótica. Este campo da engenharia concentra-se no projeto e fabricação de robôs. Os robôs são frequentemente usados para executar tarefas que são difíceis para os humanos executarem ou executarem de forma consistente. Por exemplo, robôs são usados em linhas de montagem para produção de carros ou pela NASA para mover grandes objetos no espaço. Os pesquisadores também estão usando o aprendizado de máquina para construir robôs que podem interagir em ambientes sociais.
Carros autônomos. Os veículos autônomos usam uma combinação de visão computacional, reconhecimento de imagem e aprendizado profundo para desenvolver habilidades automatizadas para pilotar um veículo enquanto permanece em uma determinada faixa e evita obstruções inesperadas, como pedestres.
Quais são as aplicações da IA?
A inteligência artificial chegou a uma ampla variedade de mercados . Aqui estão nove exemplos.
IA na saúde. As maiores apostas estão na melhoria dos resultados dos pacientes e na redução de custos. As empresas estão aplicando o aprendizado de máquina para fazer diagnósticos melhores e mais rápidos do que os humanos. Uma das tecnologias de saúde mais conhecidas é o IBM Watson. Ele entende a linguagem natural e pode responder a perguntas feitas a ele.
O sistema extrai dados do paciente e outras fontes de dados disponíveis para formar uma hipótese, que é então apresentada com um esquema de pontuação de confiança. Outros aplicativos de IA incluem o uso de assistentes virtuais de saúde online e chatbots para ajudar pacientes e clientes de saúde a encontrar informações médicas, agendar consultas, entender o processo de cobrança e concluir outros processos administrativos. Uma série de tecnologias de IA também está sendo usada para prever, combater e entenderpandemias como a COVID-19.
IA nos negócios. Os algoritmos de aprendizado de máquina estão sendo integrados às plataformas de análise e gerenciamento de relacionamento com o cliente ( CRM ) para descobrir informações sobre como atender melhor os clientes. Os chatbots foram incorporados aos sites para fornecer atendimento imediato aos clientes. A automação de postos de trabalho também se tornou um ponto de discussão entre acadêmicos e analistas de TI.
IA na educação. A IA pode automatizar a avaliação, dando mais tempo aos educadores. Ele pode avaliar os alunos e se adaptar às suas necessidades, ajudando-os a trabalhar em seu próprio ritmo. Os tutores de IA podem fornecer suporte adicional aos alunos, garantindo que eles permaneçam no caminho certo. E pode mudar onde e como os alunos aprendem, talvez até substituindo alguns professores.
IA em finanças. A IA em aplicativos de finanças pessoais, como Intuit Mint ou TurboTax, está atrapalhando as instituições financeiras. Aplicativos como esses coletam dados pessoais e fornecem aconselhamento financeiro. Outros programas, como o IBM Watson, foram aplicados no processo de compra de uma casa. Hoje, o software de inteligência artificial realiza grande parte das negociações em Wall Street.
IA em direito. O processo de descoberta – vasculhar documentos – na lei é muitas vezes estressante para os humanos. Usar a IA para ajudar a automatizar os processos de trabalho intensivo do setor jurídico está economizando tempo e melhorando o atendimento ao cliente. Os escritórios de advocacia estão usando aprendizado de máquina para descrever dados e prever resultados, visão computacional para classificar e extrair informações de documentos e processamento de linguagem natural para interpretar solicitações de informações.
IA na fabricação. A manufatura tem estado na vanguarda da incorporação de robôs ao fluxo de trabalho . Por exemplo, os robôs industriais que antes eram programados para realizar tarefas únicas e separados dos trabalhadores humanos, funcionam cada vez mais como cobots : robôs menores e multitarefa que colaboram com humanos e assumem responsabilidade por mais partes do trabalho em armazéns, chão de fábrica e outros espaços de trabalho.
IA em bancos. Os bancos estão empregando chatbots com sucesso para conscientizar seus clientes sobre serviços e ofertas e para lidar com transações que não exigem intervenção humana. Os assistentes virtuais de IA estão sendo usados para melhorar e reduzir os custos de conformidade com os regulamentos bancários. As organizações bancárias também estão usando a IA para melhorar sua tomada de decisão para empréstimos, definir limites de crédito e identificar oportunidades de investimento.
IA no transporte. Além do papel fundamental da IA na operação de veículos autônomos, as tecnologias de IA são usadas no transporte para gerenciar o tráfego, prever atrasos de voos e tornar o transporte marítimo mais seguro e eficiente.
Segurança. A IA e o aprendizado de máquina estão no topo da lista de palavras-chave que os fornecedores de segurança usam hoje para diferenciar suas ofertas. Esses termos também representam tecnologias verdadeiramente viáveis. As organizações usam aprendizado de máquina em software de gerenciamento de eventos e informações de segurança ( SIEM ) e áreas relacionadas para detectar anomalias e identificar atividades suspeitas que indicam ameaças.
Ao analisar dados e usar lógica para identificar semelhanças com códigos maliciosos conhecidos, a IA pode fornecer alertas para ataques novos e emergentes muito mais cedo do que funcionários humanos e iterações de tecnologia anteriores. O amadurecimento da tecnologia está desempenhando um grande papel em ajudar as organizações a combater ataques cibernéticos.
Inteligência aumentada VS inteligência artificial
Alguns especialistas do setor acreditam que o termo inteligência artificial está intimamente ligado à cultura popular, e isso fez com que o público em geral tivesse expectativas improváveis sobre como a IA mudaria o local de trabalho e a vida em geral.
Inteligência aumentada. Alguns pesquisadores e profissionais de marketing esperam que o rótulo inteligência aumentada , que tem uma conotação mais neutra, ajude as pessoas a entender que a maioria das implementações de IA será fraca e simplesmente melhorará produtos e serviços. Os exemplos incluem a exibição automática de informações importantes em relatórios de inteligência de negócios ou o destaque de informações importantes em arquivamentos legais.
Inteligência artificial. A verdadeira IA, ou inteligência geral artificial, está intimamente associada ao conceito de singularidade tecnológica – um futuro governado por uma superinteligência artificial que supera em muito a capacidade do cérebro humano de entendê-lo ou como ele está moldando nossa realidade. Isso permanece dentro do reino da ficção científica, embora alguns desenvolvedores estejam trabalhando no problema. Muitos acreditam que tecnologias como a computação quântica podem desempenhar um papel importante para tornar a AGI uma realidade e que devemos reservar o uso do termo IA para esse tipo de inteligência geral.
Uso ético da inteligência artificial
Embora as ferramentas de IA apresentem uma série de novas funcionalidades para as empresas, o uso da inteligência artificial também levanta questões éticas porque, para o bem ou para o mal, um sistema de IA reforçará o que já aprendeu.
Isso pode ser problemático porque os algoritmos de aprendizado de máquina, que sustentam muitas das ferramentas de IA mais avançadas, são tão inteligentes quanto os dados que recebem no treinamento. Como um ser humano seleciona quais dados são usados para treinar um programa de IA, o potencial de viés de aprendizado de máquina é inerente e deve ser monitorado de perto.
Qualquer pessoa que queira usar o aprendizado de máquina como parte de sistemas em produção do mundo real precisa levar em consideração a ética em seus processos de treinamento de IA e se esforçar para evitar preconceitos. Isso é especialmente verdadeiro ao usar algoritmos de IA que são inerentemente inexplicáveis em aplicativos de deep learning e generative adversarial network ( GAN ).
A explicabilidade é um obstáculo potencial para o uso de IA em indústrias que operam sob rigorosos requisitos de conformidade regulatória . Por exemplo, as instituições financeiras nos Estados Unidos operam sob regulamentações que exigem que elas expliquem suas decisões de emissão de crédito. Quando uma decisão de recusar crédito é tomada por programação de IA, no entanto, pode ser difícil explicar como a decisão foi tomada, porque as ferramentas de IA usadas para tomar tais decisões operam por meio de sutis correlações entre milhares de variáveis. Quando o processo de tomada de decisão não pode ser explicado, o programa pode ser chamado de caixa preta AI.
Apesar dos riscos potenciais, atualmente existem poucos regulamentos que regem o uso de ferramentas de IA e, onde existem leis, elas normalmente se referem à IA indiretamente. Por exemplo, como mencionado anteriormente, os regulamentos de empréstimos justos dos Estados Unidos exigem que as instituições financeiras expliquem as decisões de crédito a clientes em potencial. Isso limita a extensão em que os credores podem usar algoritmos de aprendizado profundo, que por sua natureza são opacos e carecem de explicabilidade.
O Regulamento Geral de Proteção de Dados da União Europeia ( RGPD ) impõe limites rígidos sobre como as empresas podem usar os dados do consumidor, o que impede o treinamento e a funcionalidade de muitos aplicativos de IA voltados para o consumidor.
Em outubro de 2016, o Conselho Nacional de Ciência e Tecnologia emitiu um relatório examinando o papel potencial que a regulamentação governamental pode desempenhar no desenvolvimento da IA, mas não recomendou que legislação específica fosse considerada.
Criar leis para regular a IA não será fácil, em parte porque a IA compreende uma variedade de tecnologias que as empresas usam para diferentes fins e em parte porque as regulamentações podem custar o progresso e o desenvolvimento da IA.
A rápida evolução das tecnologias de IA é outro obstáculo para formar uma regulamentação significativa da IA. Avanços tecnológicos e novas aplicações podem tornar as leis existentes instantaneamente obsoletas. Por exemplo, as leis existentes que regulam a privacidade de conversas e conversas gravadas não cobrem o desafio colocado por assistentes de voz como Alexa da Amazon e Siri da Apple que reúnem, mas não distribuem conversas – exceto para as equipes de tecnologia das empresas que a usam para melhorar algoritmos de aprendizagem. E, é claro, as leis que os governos conseguem criar para regular a IA não
Computação cognitiva e IA
Os termos IA e computação cognitiva às vezes são usados de forma intercambiável, mas, em geral, o rótulo IA é usado em referência a máquinas que substituem a inteligência humana, simulando como sentimos, aprendemos, processamos e reagimos às informações no ambiente.
O rótulo computação cognitiva é usado em referência a produtos e serviços que imitam e aumentam os processos de pensamento humano.
Qual é a história da IA?
O conceito de objetos inanimados dotados de inteligência existe desde os tempos antigos. O deus grego Hefesto foi descrito nos mitos como forjando servos semelhantes a robôs de ouro. Engenheiros no antigo Egito construíram estátuas de deuses animadas por sacerdotes. Ao longo dos séculos, pensadores de Aristóteles ao teólogo espanhol do século XIII Ramon Llull a René Descartes e Thomas Bayes usaram as ferramentas e a lógica de seu tempo para descrever os processos de pensamento humano como símbolos, lançando as bases para conceitos de IA, como representação de conhecimento geral.
O final do século 19 e a primeira metade do século 20 trouxeram o trabalho fundamental que daria origem ao computador moderno. Em 1836, o matemático da Universidade de Cambridge Charles Babbage e Augusta Ada Byron, Condessa de Lovelace, inventaram o primeiro projeto para uma máquina programável.
década de 1940. O matemático de Princeton John Von Neumann concebeu a arquitetura para o computador de programa armazenado – a ideia de que o programa de um computador e os dados que ele processa podem ser mantidos na memória do computador . E Warren McCulloch e Walter Pitts lançaram as bases para as redes neurais.
década de 1950. Com o advento dos computadores modernos, os cientistas puderam testar suas ideias sobre inteligência de máquina. Um método para determinar se um computador tem inteligência foi desenvolvido pelo matemático britânico e decifrador de códigos da Segunda Guerra Mundial Alan Turing. O Teste de Turing se concentrou na capacidade de um computador de enganar os interrogadores, fazendo-os acreditar que suas respostas às suas perguntas foram feitas por um ser humano.
1956. O campo moderno da inteligência artificial é amplamente citado como tendo começado este ano durante uma conferência de verão no Dartmouth College. Patrocinada pela Agência de Projetos de Pesquisa Avançada de Defesa (DARPA), a conferência contou com a participação de 10 luminares no campo, incluindo os pioneiros da IA Marvin Minsky, Oliver Selfridge e John McCarthy , que é creditado por cunhar o termo inteligência artificial. Também estiveram presentes Allen Newell, cientista da computação, e Herbert A. Simon, economista, cientista político e psicólogo cognitivo, que apresentaram seu inovador Logic Theorist, um programa de computador capaz de provar certos teoremas matemáticos e referido como o primeiro programa de IA.
anos 1950 e 1960. Na esteira da conferência do Dartmouth College, líderes no campo incipiente da IA previram que uma inteligência artificial equivalente ao cérebro humano estava chegando, atraindo grande apoio do governo e da indústria. De fato, quase 20 anos de pesquisa básica bem financiada geraram avanços significativos em IA: por exemplo, no final da década de 1950, Newell e Simon publicaram o algoritmo General Problem Solver (GPS), que não conseguiu resolver problemas complexos, mas lançou as bases para desenvolver arquiteturas cognitivas mais sofisticadas; McCarthy desenvolveu Lisp , uma linguagem para programação de IA que ainda é usada hoje. Em meados da década de 1960, o professor do MIT Joseph Weizenbaum desenvolveu o ELIZA, um programa de processamento de linguagem natural que lançou as bases para os chatbots de hoje.
anos 1970 e 1980. Mas a conquista da inteligência geral artificial mostrou-se ilusória, não iminente, prejudicada por limitações no processamento e memória do computador e pela complexidade do problema. Governo e corporações recuaram de seu apoio à pesquisa de IA, levando a um período de pousio que durou de 1974 a 1980 e conhecido como o primeiro “Inverno de IA”. Na década de 1980, a pesquisa sobre técnicas de aprendizado profundo e a adoção da indústria dos sistemas especialistas de Edward Feigenbaum desencadearam uma nova onda de entusiasmo pela IA, apenas para ser seguida por outro colapso do financiamento do governo e do apoio da indústria. O segundo inverno de IA durou até meados da década de 1990.
década de 1990 até hoje. Aumentos no poder computacional e uma explosão de dados desencadearam um renascimento da IA no final dos anos 1990 que continua até os tempos atuais. O foco mais recente em IA deu origem a avanços em processamento de linguagem natural, visão computacional, robótica, aprendizado de máquina, aprendizado profundo e muito mais.
Além disso, a IA está se tornando cada vez mais tangível, alimentando carros, diagnosticando doenças e consolidando seu papel na cultura popular. Em 1997, o Deep Blue da IBM derrotou o grande mestre de xadrez russo Garry Kasparov, tornando-se o primeiro programa de computador a vencer um campeão mundial de xadrez. Quatorze anos depois, o Watson da IBMcativou o público ao derrotar dois ex-campeões no game show Jeopardy!. Mais recentemente, a derrota histórica do 18 vezes campeão do World Go Lee Sedol pelo AlphaGo do Google DeepMind surpreendeu a comunidade Go e marcou um marco importante no desenvolvimento de máquinas inteligentes.
IA como serviço
Como os custos de hardware, software e pessoal para IA podem ser caros, muitos fornecedores estão incluindo componentes de IA em suas ofertas padrão ou fornecendo acesso a plataformas de inteligência artificial como serviço ( AIaaS ). O AIaaS permite que indivíduos e empresas experimentem a IA para vários fins comerciais e experimentem várias plataformas antes de se comprometerem.
